用途：实现 RLM 研究中的编排模式，应对任意大的上下文和复杂多部分任务。核心原则是“任何单次语言模型调用都不应处理巨大上下文”。由于 Claude Code 子代理无法再派生子代理，主对话充当“递归栈”，实现功能深度大于 1。
主要能力：四阶段协议。一、任务分析与分解：估算上下文需求（约 4 字节/token，低于 50K 可考虑直接执行），识别独立分区边界，每批 3-7 个分区（并发上限约 10），定义聚合策略。二、子代理派发：用 Task 工具并行派发，如 Task(subagent_type="general-purpose", description="...", prompt="...") 或 Task(subagent_type="Explore", ...)，可设 run_in_background=true。三、结果聚合：收集摘要、校验完整性、按并集/综合/归约合并、识别缺口。四、迭代：为未覆盖区域创建后续分区并携带前批上下文。
内置策略：窥视（先读前 50 行了解结构）、Grep 过滤（先模式匹配再读，可减少 80% 以上上下文）、分区+映射、摘要（返回结构化摘要而非原始数据）。
适用场景：超过 100K token 的任务、多文件分析或重构、多来源研究、独立分区批处理、出现上下文腐化迹象的任务。不适用于简单单文件修改、强顺序依赖任务、快速探索性问题。
限制：子代理无法派生子代理；并发约 10 个；需管理 token 预算（主对话预留 50K 用于编排，每个子代理约 20K 开销、2-5K 摘要返回）。可与 brainstorming、writing-plans、dispatching-parallel-agents、subagent-driven-development、ralph-loop 等技能配合。具体安装命令与收费信息暂未提供。